(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211329188.5 (22)申请日 2022.10.27 (71)申请人 中国电子科技 集团公司信息科 学研 究院 地址 100041 北京市石景山区实兴大街金 府路30号院4号楼 (72)发明人 谢吴鹏　刘光宏　葛建军　 (74)专利代理 机构 北京中知法苑知识产权代理 有限公司 1 1226 专利代理师 李明　赵吉阳 (51)Int.Cl. G01S 5/02(2010.01) G01S 5/04(2006.01) G01S 5/06(2006.01) G06N 3/04(2006.01)G06N 3/08(2006.01) H04W 64/00(2009.01) (54)发明名称 测向时差联合定位方法、 系统、 电子设备及 存储介质 (57)摘要 本公开的实施例提供一种测向时差联合定 位方法、 系统、 电子设备及存储介质， 属于电子侦 察领域， 所述方法包括： 获取主基站和副基站的 观测参数信息； 将所述观测参数信息输入预先训 练的目标辐射源定位模型， 得到目标辐射源预测 坐标。 其中， 所述目标辐射源定位模型是预先根 据训练参数信息对深度神经网络进行训练得到。 本公开的实施例相对于 现有技术而言， 通过采用 训练深度神经网络得到目标辐射源定位模型的 方法， 替代了传统的迭代算法， 增加了测向时差 联合定位方法的准确度与可靠性， 且不依赖先验 信息， 定位更加快速， 拥有非常好的鲁棒 性能。 权利要求书2页 说明书8页 附图3页 CN 115524662 A 2022.12.27 CN 115524662 A 1.一种测向时差联合定位方法， 其特征在于， 用于通过一个主基站和一个副基站实现 目标辐射源定位， 所述方法包括： 分别获取所述主基站和所述副基站 的观测参数信息； 其中， 所述观测参数信息包括基 站实际位置信息、 实际观测角度信息和实际基站时差信息； 分别将所述主基站和所述副基站的所述观测参数信息输入预先训练的目标辐射源定 位模型， 得到目标辐射源预测坐标； 其中， 所述目标辐射源定位模型是预先根据训练参数信 息对深度神经网络进行训练得到 。 2.根据权利要求1所述的方法， 其特征在于， 所述目标辐射源定位模型采用以下步骤训 练得到： 生成所述训练参数信息的样本集； 其中， 每个所述训练参数信息样本都包括基站位置 信息、 观测角度信息、 基站时差信息和目标辐射源坐标； 分别将所述主基站和所述副基站的所述基站位置信 息、 所述观测角度信 息和所述基站 时差信息作为输入， 对应的所述目标辐射源坐标作为输出， 训练所述深度神经网络， 得到训 练好的所述目标辐射源定位模型。 3.根据权利要求2所述的方法， 其特征在于， 所述基站位置信 息包括所述主基站与 所述 副基站的位置坐标以及基站位置测量标准差； 和/或， 所述观测角度信 息包括所述主基站与所述副基站的测量方位角、 测量俯仰角以及方位 角测量标准差和俯仰角测量标准差； 和/或， 所述基站时差信息包括所述副基站相对于所述主基站的测量时间差以及时差测量标 准差。 4.根据权利要求3所述的方法， 其特征在于， 将所述基站位置信息、 所述观测角度信息 和所述基站时差信息作为输入， 所述目标辐射源坐标作为输出， 训练所述深度神经网络， 包 括： 预先配置所述深度神经网络的损失函数、 隐藏层数和隐藏神经元个数、 最大训练次数、 网络训练优化器、 学习率以及批量大小； 将所述基站位置信息、 所述观测角度信息和所述基站时差信息作为输入， 所述目标辐 射源坐标作为输出， 训练配置好的所述深度神经网络； 当所述深度神经网络的训练达到所述最大训练次数时停止训练， 并取训练中所述损失 函数最小的网络参数作为所述深度神经网络的训练结果。 5.根据权利要求 4所述的方法， 其特 征在于， 所述损失函数C满足下述关系式： 其中， n为所述训练参数信息样本的总数， 求和运算遍历每个所述样本的输入x， y(x)为 所述每个所述样本中x对应的输出， aL(x)为所述深度神经网络最终层输出的神经元激 活值 向量。 6.根据权利要求 4所述的方法， 其特 征在于， 所述方法还 包括： 将所述样本集输入训练好的目标辐射源定位模型， 输出目标辐射源计算坐标， 并计算 定位相对误差， 用于 评价所述目标辐射源定位模型的精度； 所述定位相对误差re满足下述关系式：权　利　要　求　书 1/2 页 2 CN 115524662 A 2其中， re表示定位相对误差， ( xcal,ycal,zcal)表示输出的所述目标辐射源计算坐标， (xreal,yreal,zreal)表示所述样本中的所述目标辐射源坐标， 表示所述主基站的 坐标， σ 表示所述目标辐射源计算坐标与所述目标辐射源坐标之间的距离， 表示所述主 基站的坐标与所述目标辐射源坐标之间的距离 。 7.一种测向时差联合定位系统， 其特征在于， 用于通过一个主基站和一个副基站实现 目标辐射源定位， 所述系统包括： 获取模块， 用于获取所述主基站和所述副基站的观测参数信 息； 其中， 所述观测参数信 息包括基站实际位置信息、 实际观测角度信息和实际基站时差信息； 定位模块， 用于将所述主基站和所述副基站的所述观测参数信 息输入预先训练 的目标 辐射源定位模型， 得到目标辐射源预测坐标； 其中， 所述目标辐射源定位模型是预先根据训 练参数信息对深度神经网络进行训练得到 。 8.根据权利要求7所述的系统， 其特征在于， 所述系统还包括训练模块， 所述训练模块 用于： 生成所述训练参数信息的样本集； 其中， 每个所述训练参数信息样本都包括基站位置 信息、 观测角度信息、 基站时差信息和目标辐射源坐标； 分别将所述主基站和所述副基站的所述基站位置信 息、 所述观测角度信 息和所述基站 时差信息作为输入， 对应的所述目标辐射源坐标作为输出， 训练所述深度神经网络， 得到训 练好的所述目标辐射源定位模型。 9.一种电子设备， 其特 征在于， 包括： 至少一个处 理器； 以及， 与所述至少一个处理器通信连接的存储器， 用于存储一个或多个程序， 当所述一个或 多个程序被所述至少一个处理器执行时， 能使得所述至少一个处理器实现权利要求 1至6中 任一项所述的测向时差联合定位方法。 10.一种计算机可读存储介质， 存储有计算机程序， 其特征在于， 所述计算机程序被处 理器执行时实现权利要求1至 6中任一项所述的测向时差联合定位方法。权　利　要　求　书 2/2 页 3 CN 115524662 A 3